联合损失下深度可分离残差网络的表情识别算法

摘要：

为了增强神经网络特征提取能力进一步提高人脸表情识别准确率,提出了一种联合损失下深度可分离残差网络模型DSResNet-JLoss(deeply separable residual network under joint loss),该网络是基于深度可分离卷积与残差学习方法的轻量级网络模型.使用逐通道卷积和逐点卷积的方法取代常规卷积运算,解决了传统卷积神经网络参数冗余大,训练时间长收敛慢,且易过拟合的问题.并在网络中加入残差单元,使用shortcut连接,通过恒等映射,来解决因网络模型层数过多导致的梯度爆炸或衰减问题.提出联合损失函数,充分结合了交叉熵损失,中心损失和对比损失的优点,以减小表情特征的类内距离,增大类间距离.实验表明,该模型在FERPlus和RAF-DB两个公开数据集上均取得较好的成绩,表现出良好的泛化能力和鲁棒性.

关键词：深度可分离卷积、残差网络、表情识别、联合损失

所属期刊栏目：28

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江自然科学基金项目

在线出版日期：2023-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：54-63